摘要：最近知识管理领域产生了一个热门话题“知识中台”，不看好者觉得是概念炒作、看好者认为是知识管理的创新突破、更激进者认为这就是下一代的数据中台。今天我们也来谈谈这个话题。

随着数字中台从概念到落地、人工智能等技术释放出更大的能量，经典IDKW模型（信息-数据-知识-智慧）揭示的数据到知识之路有了更大的可能和更广阔的前景，最近知识管理领域随之也产生了一个热门话题“知识中台”，不看好者觉得是概念炒作、看好者认为是知识管理的创新突破、更激进者认为这就是下一代的数据中台，总之讨论的多，想做的也不少，今天蹭下这个热点，也谈谈我眼中的知识中台。

一、知识中台为什么

当前业界对知识中台的认识，总体上还是从技术演进的角度，认为是在数据中台的基础上，在智能技术的支持下，通过对数据加工处理提取规律化知识的系统工具。这个观点本身没什么问题，但从认识知识中台的价值和内涵的角度，却还不够全面，从我的理解，持如下三个观念能帮助我们更好理解，为什么建设知识中台。

1）大知识观
大数据的发展和应用，让我们都意识到，组织内被管理和应用的知识，不再限于传统知识管理系统中的文档、页面及交流贴形式的内容，而是更大范围、具备更多形式的音视频、分析模型及图表、会话、甚至程序及算法等知识，且这些知识以远超过往的速度快速增长和扩充，从而能够满足不同领域、更多场景的应用需求。

这意味着我们要有“大知识观”来考虑知识管理的对象及平台工具，类似于已成共识的大数据及其管理平台”数据中台“，知识中台的提出，也承载了对前述“大知识” 体系进行积累、组织和处理的平台建设期望和要求。

2）服务观

知识管理系统的建设，经常以服务于用户更快速精准地检索查找知识、更及时全面地交流和共享知识为目标，但是如果秉持更深入的“服务观”，会发现当前系统提供的服务还不足、支撑的用户使用场景也有限。

一个典型的“服务盲区”是用户在各类业务系统中开展业务和管理工作时，还难以做到不离开本系统即能及时回收、精准获取和快捷应用知识，而是以脱离上下文环境、损耗效率和针对性的方式，回到知识管理系统中进行检索和查阅。建设知识中台，最为重要的目标之一，就是消除上述“服务盲区”，强化对于前台业务系统的知识服务能力。

3）技术演进观

如前文所述，技术的演进和发展，确实使得过往不被认识和掌握的知识、或者因为处理效率低、成本高而难以实际使用的知识，如今可以被有效地取得、管理和应用，如基于用户查阅行为的大数据跟踪及分析技术、识别出特定用户真正的兴趣点和关注点；基于某业务不同场景下、各类做法及其结果的数据分析比较，制定针对该业务更有效的决策模型等。

跟踪数据和智能化等技术的演进和发展、导入知识管理系统有效利用，以提升知识管理的效果和价值，也是知识中台所承载的期望和要求。

二、知识中台是什么

1）知识工厂

立足大知识体系的建设、应用数字化智能化的技术，知识中台对形式各样、范围广泛的知识进行提取、加工、组织、分发推送，成为组织的“知识工厂”。

工厂的“原料”，是未被组织和加工的文档和数据，工厂具备功能丰富强大的“流水线”，对知识进行有序的加工处理，在多个环节持续增值，生产出高价值的知识产品。通过分类和标注，把原料分拣和安放好；从文档和数据中精炼提取值得参考和推广的内容，形成知识产品；以易于接受和理解的方式表现知识，做好产品包装；将知识分发到需要的系统和人员，完成产品的配送。比较过往的知识管理系统，知识中台这个“工厂”，具备更高的产量和更快的效率。

2）智能调度

前面提到知识中台会深度服务于用户在业务系统中的知识回收和应用，而如果在智能化技术的加持下，应用的又是算法、智能会话、分析推理规则之类的知识，这种服务其实已经形成了对业务的一种智能化的安排和调度，此时的知识中台，就成为一些关键业务的“智能调度”（一个更激进的说法是“智能大脑”，但弱化了人的参与和价值），对业务效率和成果产生至关重要的影响。

例如一些问题处理的系统，在后台经常有智能化的知识库，能根据问题单的内容，提出问题备选的建议方案，甚至促发对方案的自动化操作，发挥问题处理方案智能调度的作用。

3）长大引擎

随着知识在平台的积累，基于多更的积累进行处理加工，产生出更具价值的知识，再服务于业务过程嵌入式的获取查阅及分析调度，知识中台使得组织整体的系统环境变得越来越智能和高效，具备不断“长大“的能力，也带动组织持续进步和发展，这跟已成共识和趋势的组织数字化转型的思路非常吻合，成为数字化转型重要的组成部分。

知识中台作为系统环境的”长大引擎“，不仅通过知识的提升和进化在提供动力，也通过接受外部的反馈，包括系统环境特别是业务系统的使用情况、以及组织由此引致的变化/优化的相关反馈，及时调整知识提升和进化的节奏和重点，也是在引导组织的变革步伐、为系统环境的长大指明方向。

三、知识中台会怎样

应用知识中台，从用户的使用方式和体验角度，会有怎样的变化呢？

1）从人找知识到知识找人，或者...谁也别找谁
一个是大家常说的，因为平台所具备的智能推荐规则和能力，使得企业内部的应用，也具备如外部互联网平台一样的内容推送/推荐能力，实现“从人找知识”到“知识找人”这个场景的扩充。

这当然是一个显著的、值得期待的进步和提升。但是，也要看到另一种更为高效的方式，即对于例行化及标准化的业务操作，在设计和实现其知识服务时，可以和应该用一种减少人工介入、知识和人“谁也别找谁”的方式，由业务系统对标准化的知识和规则进行完全自动化的调取和操作，更能保证操作的稳定性和质量。当前流行的流程机器人（RPA）也是基于同样的原理和做法，但是知识中台和相应集成系统环境的构建，会大幅度提升标准知识提取应用、自动化业务操作的范围，进一步提升组织的效率。

2）从静态规则到动态规则

知识管理实施过程中，经常会面临一个两难的困境，就是如何考虑知识的权限范围设定，权限放得大一些，容易有信息安全的风险，放得小一些，又违背了鼓励知识共享的初衷，看起来是个不大的问题，多年以来却一直没有好的解决思路和方案。

这其实是因为目前所建立的权限规则，是在知识管理系统相对独立、对用户当前业务和状态数据掌握和应用不充分的情况下、所建立的一种静态规则，而当知识中台通过服务的定位与功能、实现与业务系统更即时和充分的交换数据，那么完全可以建立一种随着用户当前业务开展情况、阶段性灵活调整权限范围的动态规则，不需要的时候限制使用、需要的时候开放共享，同时兼顾了安全保障和共享复用两方面的需要。

从静态规则到动态规则，除了权限范围设定，还有更多的使用场景，以提升效率，降低成本，例如个性化动态主页、相关内容动态展示等。

3）从主观印象到客观依据

全球知名的未来学家约翰·奈斯比特有这样一句名言“我们被信息淹没，却渴求知识”，获得了大家的共鸣，正是因为身处当前这个信息爆炸的时代，各类良莠不齐、有关无关的信息充斥在我们身边，才更需要知识来正本清源、指明方向。但是知识又具备一个鲜明的特点，就是“在实际应用前难以有效评估其效用和价值”（也因此经常出现知识无效消费的情况），因此，知识管理系统中经常采用“点赞”、“转发”等方式帮助辨别其价值，但这样的方式没有精准地针对到使用者的场景，仍不免是主观的。

而基于知识中台向业务系统提供知识服务，再将业务系统使用知识的数据和评价反馈回来，知识的价值评价，就有了来自实际应用的客观依据，从而帮助使用者做出更准确的判断。

4）从应用到生态

知识中台带来的最大改变，是将一个主要通过自身积累知识、在内部获取知识的相对独立的应用，转化成一个主要基于各类业务系统的业务过程来产生原始知识、回收到知识中台进行处理加工、形成更具价值的知识再分发回业务系统进行应用的体系生态。生态的形成，满足了更多业务场景下精准快捷使用知识的需求、帮助组织积累更丰富多样的知识资产、提升了系统环境的智能化水平和持续生长的能力。

四、知识中台怎么做

知识中台的建设，是组织整体的系统环境，在当前的基础上较大规模的变革升级，要做好多方面的工作，不然难以顺利启动并达成目标：

1)规划建设路径
提供和管理多类别和形式的大知识体系、满足多类应用场景的要求、实现多个系统的整合，无法在短期及单一的项目中完成，需要根据业务需求的紧急及难易程度，协同好业务梳理推进、知识提取加工、系统开发整合等多个模块的工作，做好建设路径和安排的规划。

2)改造系统环境和架构
参照数据中台的建设，知识中台的建设，也会带来不少系统环境和架构改造的要求，如知识管理系统基于服务/微服务架构的改造、并在业务系统中进行调用；知识中台与数据中台实现实现接口甚至功能的互通，实现内容和服务的调用；知识中台应用人工智能、知识图谱等技术，也会进一步形成对数据存储和计算层提出改造要求。

3)知识深化加工
面向业务应用提供更深入、更精准的知识，需要对初始的知识进行进一步的提炼，建设智能应答、场景化推送、辅助分析推理等智能应用，更需要建设如问答对、知识图谱、自动化算法等智能知识语料，需要根据明确的应用场景、采用有序的加工过程和方法、有效组织业务专家参与、借助合适的辅助技术和工具，才能顺利完成。

4)应用开发实现
根据应用场景及知识加工管理的要求，开发实现知识中台、业务系统知识服务等系统模块及功能。